【正文】 //抓取失敗就退出grayImg=cvCreateImage(cvGetSize(colorImg),colorImgdepth,1)。), 25,cvSize(colorImgwidth,colorImgheight))。, 39。, 39。, 39。 //抓取一幀圖像if(N==1) pVideoWriter =cvCreateVideoWriter(, CV_FOURCC(39。while(1){ N++。CvVideoWriter* pVideoWriter = NULL。 //從AVI視頻文件獲取視頻流IplImage* colorImg = NULL。 //定義cvCapture結(jié)構(gòu)pCapture = cvCreateCameraCapture(0)。從這個(gè)實(shí)例我們可以看出：使用OpenCV可以很簡(jiǎn)單的實(shí)現(xiàn)對(duì)視頻數(shù)據(jù)的讀取操作和顯示保存操作。 //卸載圖像 OpenCV 視頻處理流程視頻是由一幀幀的圖像構(gòu)成的，對(duì)于視頻的處理可以轉(zhuǎn)化成對(duì)于一系列圖像的處理，：（1）加載需要處理的視頻文件，對(duì)于avi視頻文件可使用函數(shù)cvCaptureFromFile來加載，如果要從攝像頭實(shí)時(shí)捕獲視頻則要用函數(shù)cvCreateCameraCapture來創(chuàng)建攝像頭；（2）使用cvQueryFrame從前面已經(jīng)創(chuàng)建的Capture中抓取一幀圖像，如果抓取不成功則說明視頻處理完備，此時(shí)要用函數(shù)cvReleaseCapture卸載視頻文件，否則對(duì)所抓取的圖像進(jìn)行所要求的處理；（3）對(duì)圖像處理的結(jié)果進(jìn)行可視化顯示或保存，可使用cvShowImage函數(shù)對(duì)處理結(jié)果進(jìn)行顯示和使用cvSaveImage函數(shù)將結(jié)果圖像保存到相應(yīng)位置，此外還可以使用cvWriteFrame函數(shù)把所有處理的結(jié)果保存成一個(gè)AVI視頻文件；（4）卸載加載的圖像，這可以用函數(shù)cvReleaseImage進(jìn)行實(shí)現(xiàn)。 //將顯示結(jié)果進(jìn)行保存cvReleaseImg(amp。 //定義窗口用于顯示結(jié)果cvShowImage(“處理結(jié)果”, grayImg)。 //創(chuàng)建灰度圖像cvCvtColor(colorImg, grayImg, CV_RGB2GRAY)。colorImg = cvLoad(“D:\\”)。圖 OpenCV圖像處理基本流程IplImage* colorImg = NULL。如下的示例代碼是使用OpenCV讀取保存在指定位置的圖片，把它轉(zhuǎn)化成灰度圖像后對(duì)處理結(jié)果進(jìn)行顯示和保存。IplImage是整個(gè)OpenCV函數(shù)庫的基礎(chǔ)，在定義該結(jié)構(gòu)變量時(shí)會(huì)用到函數(shù)cvCreatImage。char *imageDataOrigin。 /* 排列的圖像行大小*/int BorderMode[4]。 /* 數(shù)據(jù)大小*/char * imageData。 /* NULL */struct _IplTileInfo * tileInfo。 /* 圖像感興趣區(qū)域*/struct _IplImage * maskROI。 /* 寬像素?cái)?shù) */int height。 /*原點(diǎn)位置*/int align。 int dataOrder。 /* 像素的位深度 */char colorModel[4]。 /* 通道 */int alphaChannel。 /* 大小 */int ID。IplImage結(jié)構(gòu)源自Intel的另一函數(shù)庫Intel Image Processing Library (IPL)。IpLImage 數(shù)據(jù)結(jié)構(gòu)OpenCV 中所有圖像都采用了同一結(jié)構(gòu)，事實(shí)上，IplImage 是借鑒了 Intel公司在早期公布的 IPP 圖像處理開發(fā)包中對(duì)于相關(guān)結(jié)構(gòu)的定義。 //列、寬度}。union{int cols。 int height。} data。float* fl。 short* s。 //僅供內(nèi)部使用int hdr_refcount。 int step。在矩陣中可以由單一輸入來表示多個(gè)數(shù)值，這樣的話我們就能夠在一個(gè)三原色的圖像上描繪多重的色彩通道。矩陣的元素能夠是32位的浮點(diǎn)型的數(shù)據(jù)(CV_32FC1)，或是無符號(hào) 8位的三元組整型的數(shù)據(jù)(CV_8UC3)， 異或是無數(shù)其他類型元素。作為OpenCV中的重要的矩陣變換函數(shù)，CvMat使用方法是CvMat* cvCreateMat ( int rows, int cols, int type )。IplImage 為 OpenCV 所有的圖像編碼的基本結(jié)構(gòu)。CvArr*是 一種獨(dú)特結(jié)構(gòu)。CvMat 數(shù)據(jù)結(jié)構(gòu)圖 CvArr、CvMat 和 IplImage 之間派生關(guān)系OpenCV 雖是用C 語言實(shí)現(xiàn)的，但是它的結(jié)構(gòu)還是遵循面向?qū)ο蟮乃枷朐O(shè)計(jì)。CvRect 類型則是派生于 CvPoint 和 CvSize 類型的復(fù)合類型，包含 了4 個(gè)數(shù)據(jù)成員：width 和 height、還有x和y。CvPoint是一個(gè)包含 了int 整型成員 x、y 的簡(jiǎn)單的結(jié)構(gòu)體。如 CvPoint、CvSize、CvRect 和CvScalar。比如：IPL_DEPTH_16U 圖像像素?cái)?shù)據(jù)值得就是16位的無符號(hào)的整型。比如: CV_16UC1指的就是16 位的無符號(hào)的整型的單通道矩陣；CV_64FC2 指的就是64 位的浮點(diǎn)型的雙通道矩陣。 此外也有例外，如：DoubleClickedMouse()。 cvMethod()類型比較常用的是算法或某方法，如 cvDCT()離散余弦變換算法。 cvActionTarget()類型如 cvCreateImage()，cvNamedWindow()。圖 OpenCV 的基本結(jié)構(gòu) OpenCV 命名規(guī)則函數(shù)名 通用函數(shù)名 cvActionTargetMod( ) Action是核心功能（core functionality）、Target是目標(biāo)圖像區(qū)域（target image area） 、Mod為可選的調(diào)整語（optional modifiers）。CxCore 提供了所有 OpenCV 運(yùn)行時(shí)的最基本的數(shù)據(jù)結(jié)構(gòu)和基本函數(shù)。HighGUI 這個(gè)模塊包含有圖像和圖像的集合視頻的輸入輸出的函數(shù)，為使用此模塊的用戶提供圖形用戶接口。 OpenCV關(guān)鍵技術(shù)介紹OpenCV 的主體分為了五個(gè)模塊，核心函數(shù)庫 Cv、數(shù)據(jù)結(jié)構(gòu)與線性代數(shù)庫 CxCore、輔助函數(shù)庫 CvAux、函數(shù)庫 HighGUI、機(jī)器學(xué)習(xí)函數(shù)庫 ML，四個(gè)模塊如下圖所示。OpenCV 提供 MATLAB、Python、Ruby等語言接口，實(shí)現(xiàn)不同軟件之間的兼容，完善計(jì)算機(jī)視覺和圖像處理方面的很多算法。程序調(diào)試后編譯成為二進(jìn)制的可執(zhí)行文件，提高程序的運(yùn)算速度，滿足程序的實(shí)時(shí)性要求。例如 HP、 Unix 、Windows、Linux、solaris、MacOSX平臺(tái)。OpenCV的平臺(tái)無關(guān)性。OpenCV 是一個(gè)由其開發(fā)公司支持的開源的計(jì)算機(jī)視覺庫、有300 多個(gè) C 函數(shù)的跨平臺(tái)中層和高層 API包含其中。 OpenCV簡(jiǎn)介OpenCV 是一個(gè)開源計(jì)算機(jī)視覺庫， Intel 在1999 年將其建立，目的是建造這樣一個(gè)簡(jiǎn)單而且容易使用過的關(guān)于計(jì)算機(jī)視覺的代碼框架，用來幫助這方面的開發(fā)人員在此框架的基礎(chǔ)上寫出更復(fù)雜的能夠運(yùn)用到實(shí)際應(yīng)用中的計(jì)算機(jī)視覺相關(guān)的應(yīng)用程序。正是對(duì)這些的了解，為以后的實(shí)驗(yàn)過程提供了良好的理論基礎(chǔ)。 本章小結(jié)本章節(jié)重點(diǎn)介紹了模板匹配算法以及目標(biāo)跟蹤技術(shù)的研究意義以及發(fā)展?fàn)顩r，并闡述了基于模板匹配的目標(biāo)跟蹤的重要意義。 提高運(yùn)算速度依然是研究者們對(duì)于該類方法研究的重點(diǎn)和難點(diǎn)，相對(duì)來說，精確度方面該方法已經(jīng)有了保證，如何提高實(shí)時(shí)性，是目前所要攻克的一大難題。角點(diǎn)匹配結(jié)束后，還要去掉那些未出現(xiàn)在正確匹配區(qū)域中的匹配點(diǎn)，實(shí)現(xiàn)該步驟過程中用的比較多的方法是 RANSAC 算法。另外還有一種方法是用角度直方圖相關(guān)的計(jì)算方法來衡量相似性的，這種方法可以在相對(duì)旋轉(zhuǎn)角度比較大的情況下，對(duì)旋轉(zhuǎn)的角度進(jìn)行估計(jì)，之后對(duì)模板進(jìn)行相應(yīng)的角度變化，再開始平移匹配。由于1996年B. Srinivasa Reddy 和 . Chatterji 提出的數(shù)極坐標(biāo)的相關(guān)變換，把在一定條件下的圖像縮放和旋轉(zhuǎn)轉(zhuǎn)化成了數(shù)極的平移，傅里葉變換，從本來只可以處理圖像的平移問題進(jìn)而進(jìn)步到處理旋轉(zhuǎn)角度和縮放比例，計(jì)算之后調(diào)整模板，然后在利用調(diào)整之后的模板在搜索圖像中定位。由于模板和在被搜索圖像的目標(biāo)之間不僅僅存在灰度的差異問題，縮放比例和旋轉(zhuǎn)角度也是圖像對(duì)比中經(jīng)常存在的差異數(shù)據(jù)的來源，基于幾何的匹配算法因而誕生。在這兩個(gè)缺點(diǎn)上，有研究者提出了一些改進(jìn)的方法來提高計(jì)算的效率，縮短匹配需要消耗的時(shí)間，主要的兩種方法分別為精簡(jiǎn)搜索空間中需要匹配的對(duì)象和減少算法中所運(yùn)用的相似函數(shù)的運(yùn)算量。后兩種算法是由 Silverman 和 Barnea DI 兩位學(xué)者一起在不同的時(shí)間提出的，第一種是由Leese 提出的。下面對(duì)之前所述的兩類匹配算法的簡(jiǎn)單總結(jié)。第四，相似度矩陣，即為匹配后計(jì)算所得相似度所組成的矩陣。第二，被搜索空間，即為相對(duì)于模板來說更大的圖像信息的集合。 發(fā)展和研究現(xiàn)狀作為圖像信號(hào)處理中經(jīng)常用到的技術(shù)，模板匹配應(yīng)用到了很多工業(yè)生產(chǎn)應(yīng)用中的檢測(cè)和監(jiān)控上。所以，如何研究出精確可靠但同時(shí)又擁有著快速高效的特點(diǎn)的該類算法，是研究者們所面臨的一個(gè)急需要攻克的一個(gè)課題。該算法還有一個(gè)顯而易見的優(yōu)點(diǎn)就是，可以處理縮放和旋轉(zhuǎn)這樣的復(fù)雜情況。該算法由于提取了一些偏向于數(shù)據(jù)化的特征并統(tǒng)計(jì)出來，因而對(duì)于物理上的一些特征的穩(wěn)定性要求就不會(huì)那么高，如灰度變化，噪聲等。第二種是基于幾何特征的。有明確的數(shù)據(jù)表示，當(dāng)被搜索區(qū)域的圖像旋轉(zhuǎn)大